(2)、空间和通道注意路径的使用,在U-Net的每个分辨率下解码器模块中用来对模型学习的特征进行可解释性。 2、SAUNet结构 提出新的可解释的图像分割网络叫形状注意力Unet(SAUNet)。SAUnet由两个流组成:纹理流和门控形状流。纹理流与Unet有相似的结构,但是编码器用密连接模块代替,解码器用双注意力编码模块。图像信...
The results show that the proposed SA-UNet achieves state-of-the-art performance on both datasets. The implementation and the trained networks are available on Github11https://github.com/clguo/SA-UNetChanglu GuoMárton SzemenyeiYugen YiWenle WangBuer ChenChangqi Fan会议论文...
berenslab/retinal-vessel-segmentati… 3 reshalfahsi/SA-UNet 3 Tasks Edit AddRemove Data AugmentationRetinal Vessel Segmentation Datasets DRIVECHASE_DB1 Results from the Paper Edit AddRemove Ranked #4 onRetinal Vessel Segmentation on DRIVE Get a GitHub badge ...
Ranked #1 on Left Ventricle Segmentation on SUN09 Get a GitHub badge TaskDatasetModelMetric NameMetric ValueGlobal RankResultBenchmark Myocardium Segmentation AC17 SAUNet Dice Score 0.887 # 1 Compare Right Ventricle Segmentation AC17 SAUNet Dice Score 0.914 # 1 Compare Left Ventricle Segmentat...
数据预处理采用z-score归一化方式。数据增强采用旋转,水平垂直翻转,弹性形变,gamma位移。 3.2、硬件设备是英伟达Quadro RTX5000GPU。 3.3、代码地址 https://github.com/sunjesse/shape-attentive-unet 3.4、实现结果 文章模型在上面两个分割数据集上的结果相比于其它模型的结果,都是最好的。
(1)、空间注意力路径非常简单,由两个串联1x1卷积构成,第一个1x1卷积将通道数减半,第二个1x1卷积再将通道数从一半降到1,然后经过sigmod函数,得到空间注意力系数,最后按照通道方向将空间注意力系数重复堆叠到输入通道个数得到空间注意力结果输出。 (2)、通道注意力路径由squeeze和excitation模块组成,得到通道注意力系数...